Query and Conquer: Execution-Guided SQL Generation
作者: Łukasz Borchmann, Marek Wydmuch
发布时间: 2025-04-02
来源: arxiv
研究方向: 自然语言处理与数据库查询生成
主要内容
该研究提出了一种基于执行结果的SQL生成方法，通过评估多个候选查询的语义一致性，在保证准确性的同时显著降低了推理成本。该方法能够有效地处理结构相似但语义不同的查询，使得小型模型能够超越计算密集型方法，并在成本效益方面取得显著提升。
主要贡献
1. 提出了一种基于执行结果的SQL生成方法，提高了生成SQL查询的准确性。
2. 通过最小贝叶斯风险解码框架，将自一致性方法扩展到执行行为定义的输出空间。
3. 利用SQL方言的prefix可执行性，在中间查询生成阶段增量应用基于执行的自我一致性。
4. 展示了小型模型在结合该方法后能够达到大型模型的性能，同时降低推理成本。
5. 通过实验验证了该方法在BIRDSQL数据集上的有效性，并与其他方法进行了比较。
研究方法
1. 执行相似性：比较候选查询的执行结果，以评估其语义一致性。
2. 近似执行相似性：比较逻辑执行计划，而不是实际结果，以降低计算成本。
3. 最小贝叶斯风险解码：提供理论依据，选择最有可能的输出。
4. 部分可执行SQL：利用PipeSQL方言的部分可执行性，在生成过程中逐步应用自一致性。
5. 耐心参数：在中间SQL步骤中容忍临时差异，提高准确性。
实验结果
实验结果表明，该方法在BIRDSQL数据集上优于贪婪解码和计算密集型基线，同时成本效益更高。小型模型在结合该方法后，其准确性可以显著提升，甚至超过大型模型。
未来工作
进一步研究包括：探索该方法在其他编程语言和代码生成任务中的应用，提高部分可执行SQL的性能，以及针对具有较低初始错误率或高基准准确率的模型进行改进。